中医体质辨识仪针对脉象特征识别中医疾病的过程中，单一特征提取方式弊端明显，缺少特征关联性分析，利用大数据原理，提出一种结合脉象大数据分析的中医疾病判断方法。利用采集的大数据脉象特征，利用三层前向型BP网络建立中医脉象辨识智能判断模型。中医体质辨识仪引入自适应学习速率的方法和动量因子对模型中的海量脉象连接权值和阀值进行一次优化；最终得到精确的脉象辨识判断结果。测试表明，利用大数据脉象进行中医疾病辨识判断，能够提高辨识判断的准确率。

  

　　中医体质辨识仪在中医领域中，脉诊是重要的组成部分。传统的脉诊手段主要包括“望、闻、问、切”。随着医疗技术的不断发展，科研人员研制出了多种跨学科的脉象仪，利用脉象仪对病人的脉象进行记录与分析。从现代科学的角度分析，脉象信号实际上就是复杂人体系统的输出信号，由于人体的呼吸、病理情况和精神状态等多种因素都能够对脉象信号造成影响，使脉象信号的时域和频域也会发生一定的变化，因此人们采集到的脉象信号总体上存在一定的规律、但细节之处又存在一定的非线性和无序性的信号。由于清晰准确的脉诊信号能够为病情的判断提供准确的依据，因此，中医脉象的辨识方法已经成为当前医学领域中的一个研究热点。

　　中医体质辨识仪当前阶段，主要的中医脉象辨识方法包括基于时域分析的脉象辨识方法、基于频域分析的脉象辨识方法和基于时频结合的脉象辨识方法。其中最常用的是基于时频结合的脉象辨识方法。由于中医脉象的辨识方法在中医脉诊中具有无可替代的作用，因此，该课题有着广阔的发展前景，并成为很多学者研究的重点课题。

　　但是，中医体质辨识仪传统算法仍然存在着不足：时域法中对脉象的特征峰和谷幅等参数的估计过于依赖经验，主观性较强；频域法需要通过脉象信号的功率谱和倒谱进行分析，运算过程过于复杂；时频结合法虽然保留了时频的细节，但是仍要丢失大量的有效信息。

• 上一篇内容: 中医体质辨识仪实现技术手段创作特征
• 下一篇内容: 中医体质辨识仪老年体质相关性